Specific White Matter Tracts and Diffusion Properties Predict Conversion From Mild Cognitive Impairment to Alzheimer’s Disease
Notice bibliographique
Résumé
Identifying biomarkers that can assess the risk of developing Alzheimer's Disease (AD) remains a significant challenge. In this study, we investigated the integrity levels of brain white matter in 34 patients with mild cognitive impairment (MCI) who later converted to AD and 53 stable MCI patients. We used diffusion tensor imaging (DTI) and automated fiber quantification to obtain the diffusion properties of 20 major white matter tracts. To identify which tracts and diffusion measures are most relevant to AD conversion, we used support vector machines (SVMs) to classify the AD conversion and non-conversion MCI patients based on the diffusion properties of each tract individually. We found that diffusivity measures from seven white matter tracts were predictive of AD conversion with axial diffusivity being the most predictive diffusion measure. Additional analyses revealed that white matter changes in the central and parahippocampal terminal regions of the right cingulate hippocampal bundle, central regions of the right inferior frontal occipital fasciculus, and posterior and anterior regions of the left inferior longitudinal fasciculus were the best predictors of conversion from MCI to AD. An SVM based on these white matter tract regions achieved an accuracy of 0.75. These findings provide additional potential biomarkers of AD risk in MCI patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».